本文摘要：摘要合成孔徑雷達(dá)(SAR)成像技術(shù)如今應(yīng)用越來(lái)越廣泛，對(duì)成像分辨率的要求也隨之提高�；谛〔ㄗ儞Q的SAR圖像斑噪聲抑制算法[1]雖然可以很好地減小相干斑噪聲對(duì)SAR圖像的影響，但在降低斑噪聲的同時(shí)，往往會(huì)將圖像的邊緣模糊化，降低了SAR圖像的分辨率。本文對(duì)
摘要合成孔徑雷達(dá)(SAR)成像技術(shù)如今應(yīng)用越來(lái)越廣泛，對(duì)成像分辨率的要求也隨之提高�；谛〔ㄗ儞Q的SAR圖像斑噪聲抑制算法[1]雖然可以很好地減小相干斑噪聲對(duì)SAR圖像的影響，但在降低斑噪聲的同時(shí)，往往會(huì)將圖像的邊緣模糊化，降低了SAR圖像的分辨率。本文對(duì)該算法進(jìn)行改進(jìn)，將Canny邊緣檢測(cè)算法[2]與該算法相結(jié)合，首先利用邊緣檢測(cè)技術(shù)將SAR圖像邊緣提取出去，再利用小波變換的方法對(duì)已去除邊緣的SAR圖像進(jìn)行去除斑噪聲處理，最后將邊緣圖與去噪后的圖像結(jié)合。通過(guò)與原圖像和目前普遍采用的均值濾波處理的圖像比較，證實(shí)了本文提出的方法可行，且去噪效果好，同時(shí)圖像邊緣保存良好。
關(guān)鍵詞：SAR，小波變換，相干斑噪聲，Canny邊緣檢測(cè)，算法
圖像技術(shù)人員投稿知識(shí)：圖像加密論文適合發(fā)表期刊
《計(jì)算機(jī)工程與設(shè)計(jì)》刊載內(nèi)容：覆蓋計(jì)算機(jī)工程與設(shè)計(jì)領(lǐng)域的各個(gè)層面，包括各型計(jì)算機(jī)及其系統(tǒng)的研究、研制、設(shè)計(jì)、開(kāi)發(fā)應(yīng)用等各方面的學(xué)術(shù)、技術(shù)論文。刊登基金項(xiàng)目論文，獲獎(jiǎng)?wù)n題論文，學(xué)術(shù)會(huì)議論文，博士、碩士論文等。期刊收錄圖像加密論文包括“ 基于混沌系統(tǒng)的彩色圖像加密算法”、“明文關(guān)聯(lián)的多混沌彩色圖像加密算法”等。
0引言
在合成孔徑雷達(dá)(SAR)中，源自基本分辨單元內(nèi)地物的隨機(jī)散射，在圖像上表現(xiàn)為信號(hào)相關(guān)(如在空間上相關(guān))的小斑點(diǎn)，即為相干斑噪聲。相干斑噪聲不僅會(huì)降低圖像的畫面質(zhì)量，還會(huì)嚴(yán)重影響圖像的自動(dòng)分割、分類、自動(dòng)檢測(cè)以及其他定量專用信息的提取。對(duì)于SAR圖像相干斑噪聲的處理，一方面要平滑噪點(diǎn)，另一方面要保持圖像邊緣和紋理細(xì)節(jié)信息。
SAR圖像可通過(guò)多視處理[3]來(lái)減小噪點(diǎn)，但是會(huì)降低其分辨率;若采用如均值濾波、中值濾波、Lee濾波[4]、Frost濾波[5]、GammaMap濾波等方法，雖然可以解決上述問(wèn)題，但是自身也存在著無(wú)法克服的矛盾：要增強(qiáng)去噪效果需要選擇較大的窗口，而要保持圖像的分辨率則需要選擇較小的窗口。故本文將Canny邊緣檢測(cè)算法與小波變換相結(jié)合，利用Canny邊緣檢測(cè)算法對(duì)圖像邊緣強(qiáng)度和方向進(jìn)行計(jì)算，再利用小波變換對(duì)像素進(jìn)行過(guò)濾，實(shí)現(xiàn)了平滑斑噪點(diǎn)，同時(shí)保持了原圖像邊緣的完整性。
1基本算法
1.1Canny邊緣檢測(cè)算法
Canny邊緣檢測(cè)算子通過(guò)高斯函數(shù)的一階微分，可以在噪聲抑制與邊緣檢測(cè)之間找到良好的平衡，表達(dá)式近似高斯函數(shù)的一階導(dǎo)數(shù)。
1.2小波變換
小波變換作為一種新的信號(hào)處理技術(shù)，也被應(yīng)用于相干斑斑點(diǎn)的抑制。其原理為：利用小波變換的多分辨率分析特性，將SAR圖像分解，其中大部分噪聲集中在高頻部分的子圖像中，然后在這些子圖像里進(jìn)行斑噪點(diǎn)的抑制。由于小波的這一特性，使得它在降噪過(guò)程中不但可以有效地抑制噪聲，還可以很好地保持圖像的大體輪廓特征。它包含了三種細(xì)節(jié)子圖像：HL、LH、HH。大部分的斑噪聲處于細(xì)節(jié)子圖像即高頻部分的圖像中，故可以通過(guò)減小高頻系數(shù)來(lái)抑制斑噪聲。本文采用Fukuda等人[6]提出的小波去噪的方法，對(duì)SAR圖像進(jìn)行在小波域的分解，之后對(duì)其細(xì)節(jié)子圖像在每層中進(jìn)行處理。處理過(guò)程大致分四步：1)判別每一個(gè)像素是屬于HIGHLEVEL還是LOWLEVEL,判斷標(biāo)準(zhǔn)以像素的絕對(duì)值是否大于設(shè)定的門限值為基準(zhǔn)，若大于門限值則為HIGHLEVEL,反之為L(zhǎng)OWLEVEL;2)將被判別為L(zhǎng)OWLEVEL的每一個(gè)像素都乘一個(gè)系數(shù)α，且0<α<1;3)檢測(cè)被判為HIGHLEVEL的像素是否存在邊緣，如果模板的陰影里面至少存在1個(gè)HIGHLEVEL像素，則模板中心的值保持不變，反之則將該像素乘以一個(gè)系數(shù)β，且0<β<1;4)進(jìn)行小波反變換，得到在子圖像處理后的一幅圖像。
2改進(jìn)算法
傳統(tǒng)斑噪聲抑制算法的缺陷在于無(wú)法使圖像在得到抑制噪點(diǎn)處理后依然保持較好的圖像邊緣。其根本原因是傳統(tǒng)算法沒(méi)有對(duì)圖像進(jìn)行拆分，它將邊緣像素與混有噪點(diǎn)的像素一同處理，導(dǎo)致即便平滑了噪點(diǎn)，但邊緣也變得模糊。因此，本文提出一種改進(jìn)的方法，即將SAR圖像進(jìn)行拆分處理，通過(guò)Canny邊緣檢測(cè)算法對(duì)圖像邊緣進(jìn)行檢測(cè)提取，得到清晰的邊緣圖像，之后對(duì)非邊緣的圖像進(jìn)行小波變換分解，從而減小斑噪聲。，最終得到的輸出圖像為P=A+C。具體流程步驟如下。1)采用Canny邊緣檢測(cè)對(duì)初始圖像O進(jìn)行處理，得到邊緣圖A和去邊緣后的圖像B;2)圖像B的邊緣處像素值為0，所以需要重新定義，通過(guò)原邊緣點(diǎn)的4個(gè)領(lǐng)域均值來(lái)進(jìn)行定義:B(x,y)=[A(x,y+1)+A(x+1,y)+A(x,y-1)+A(x-1,y)/4;3)通過(guò)小波變換過(guò)濾處理圖像B,得到平滑斑噪聲后的圖像C;4)將圖像A和圖像C相疊加，得到最終的輸出圖像P。
3實(shí)驗(yàn)結(jié)果
經(jīng)過(guò)均值濾波處理的SAR圖像，圖中斑點(diǎn)噪聲明顯減少，這是由于均值濾波擅長(zhǎng)處理斑點(diǎn)噪聲，但同時(shí)也可以看到，圖像清晰度不好、完整性不強(qiáng)、邊緣比較模糊，例如，圖中標(biāo)識(shí)處;圖(c)是通過(guò)本文算法處理后的圖像，其噪點(diǎn)減少，圖像的完整性、清晰度明顯優(yōu)于圖(b)，由此證明了本文算法的可行性與可靠性。
4結(jié)論
本文提出的基于小波變換的SAR圖像斑噪聲抑制的改進(jìn)算法，經(jīng)理論推導(dǎo)和實(shí)驗(yàn)求證，方法不僅可行，且具有良好效果。不過(guò)，本文算法仍有很大的創(chuàng)新空間，例如，與比例邊緣檢測(cè)算法[7]相比，Canny邊緣檢測(cè)算法在處理含有噪點(diǎn)的邊緣圖中具有良好的檢測(cè)性，但是該算法在SAR圖像中不具有恒虛警性，即在高亮度區(qū)的邊緣檢測(cè)虛警率高于低亮度區(qū)。將上述兩種邊緣檢測(cè)算法結(jié)合，或者找到一種更合適的邊緣檢測(cè)算法與小波變換濾波相結(jié)合有可能成為今后的研究方向。
參考文獻(xiàn)
[1]ZengZ,CummingI.ModifiedSPIHTEncodingforSARImageData[J].IEEETransactionsonGeoscienceandRemoteSensing,2001,39(3):546-522.
[2]FosterI.TheGrid:ANewInfratsructureFor21stCenturyScience[J].PhysicsToday,2002,55(2):42-47.
[3]Moore,Richard.TradeoffBetweenPictureElementDimensionsandNoncoherentAveraginginSide-LookingAirborneRadar[J].IEEETransactionsonAerospaceandElectronicSystems,1979,15(5):697-708.
轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/22118.html
